Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 87
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Todos los paquetes (modelos) pueden dividirse en dos categorías:
El rendimiento de los paquetes que son "básicamente buenos" es más o menos el mismo, las diferencias no son significativas.
El problema no está en el modelo, sino en el conjunto de predictores y su precondición. Si tomamos algún conjunto de predictores, la posibilidad de construir un modelo NO sobreentrenado, así como la magnitud del error depende poco del cambio en el modelo. Por lo tanto, hay que tomar el modelo más sencillo y rápido de los que "en principio encajan".
PS.
Por mi propia experiencia. En mi caso, más del 75% de la mano de obra en la construcción de TS - es la selección de predictores, si es que se consigue recoger un conjunto de este tipo para una variable objetivo en particular.
San Sanych, hola.
Y si por su método para 3 intervalos de datos no intersecados obtenemos valores predictores diferentes, entonces son no estacionarios (ruido, etc.) ¿debemos seguir?
Todos los paquetes (modelos) pueden dividirse en dos categorías:
El rendimiento de los paquetes que son "básicamente buenos" es más o menos el mismo, las diferencias no son significativas.
El problema no está en el modelo, sino en el conjunto de predictores y su precondición. Si tomamos algún conjunto de predictores, la posibilidad de construir un modelo NO sobreentrenado, así como la magnitud del error depende poco del cambio en el modelo. Por lo tanto, hay que tomar el modelo más sencillo y rápido de los que "en principio encajan".
PS.
Por mi propia experiencia. En mi opinión, más del 75% de la mano de obra en la construcción de CT es la selección de predictores, si es que es posible elegir un conjunto de este tipo para una variable objetivo concreta.
Qué modelos, de qué estás hablando... es como si una persona preguntara "¿qué hora es?" y la respuesta es "¿qué quieres que baile?":)
Nunca, por favor, nunca más, es más fácil escribir 10 líneas de texto que leer dos líneas de preguntas
Quizás a alguien le interese, he encontrado un paquete que puede simular el trading y construir sistemas de trading llamado quantstrat
http://www.rinfinance.com/agenda/2013/workshop/Humme+Peterson.pdf
San Sanych, hola.
Pero si por su metodología obtenemos diferentes valores de predicción en 3 segmentos de datos no intersecados en el entrenamiento, entonces son no estacionarios (ruido, etc.) ¿debemos seguir?
La relevancia del predictor sólo se obtiene una vez, cuando se entrena el modelo. Entonces ese modelo es APLICABLE, no enseñado.
Hay que enseñarlo varias veces, según recuerdo.
¡No puede ser!
Una vez más.
1. tomamos una gran cantidad de predictores de series temporales, por ejemplo 10 000 observaciones (líneas).
2. Lo dividimos en dos partes, estrictamente mecánicas: 7000 primera parte y 3000 segunda parte.
3. Dividimos la primera parte en tres partes al azar: para el entrenamiento, la prueba y la validación
4. Enseñamos (fit - ajuste) el modelo en la muestra de entrenamiento.
5. Aplicar el modelo entrenado a las muestras de prueba y validación.
6. Si en las tres muestras -entrenamiento, prueba y validación- el error es aproximadamente igual, entonces la cláusula 7.
7. Aplique el modelo en la segunda parte, que es una serie temporal ininterrumpida en su secuencia temporal.
8. Si el error en esta parte también es aproximadamente igual a los tres anteriores, entonces:
¡No puede ser!
Una vez más.
1. tomar un gran número de predictores de series temporales, por ejemplo, 10.000 observaciones (líneas)
2. Lo dividimos en dos partes, estrictamente mecánicas: 7000 primera parte y 3000 segunda parte.
3. Dividimos la primera parte en tres partes al azar: para el entrenamiento, la prueba y la validación
4. Enseñamos (fit - ajuste) el modelo en la muestra de entrenamiento.
5. Aplicar el modelo entrenado a las muestras de prueba y validación.
6. Si en las tres muestras -entrenamiento, prueba y validación- el error es aproximadamente igual, entonces la cláusula 7.
7. Aplique el modelo sobre la segunda parte, que es una serie temporal ininterrumpida en su secuencia temporal.
8. Si el error en esta parte también es aproximadamente igual a los tres anteriores, entonces:
Lo de "más o menos" es sólo una falta de cerebro y de tiempo.
Hay que empezar con la variable objetivo y luego seleccionar los predictores para ella, y luego volver a comprobar con las matemáticas, más o menos. De todos modos, el proceso es lento y no puedo formalizarlo.
Más o menos - no hay suficiente cerebro y tiempo.
Hay que empezar con la variable objetivo, y luego hay que emparejarla con los predictores, y luego volver a comprobarlos con las matemáticas, por así decirlo. En cualquier caso, el proceso es doloroso y no es formalizable para mí.